最小编辑代价

/*********************************************************************************
 *description:最小编辑代价
 *            给定两个字符串str1和str2,再给定三个整数ic、dc、rc,
 *            代表插入、删除和替换一个字符的代价,求str1编辑为str2的最小代价
 *            如:str1=“abc” str2=“adc”,ic=5,dc=3,rc=2
 *                返回2

 *********************************************************************************/

#include<iostream>
#include<vector>
#include<string>
using namespace std;
//方法:时间复杂度O(M*N),空间复杂度O(M*N)
//经典动态规划问题,创建数组dp[M+1][N+1]
//dp[i][j]代表str1[0...i-1]编辑为str2[0...j-1]的最小代价
//dp[0][0]=0,空串编辑为空串的代价
//dp[i][0]:str1[0...i-1]编辑为空串的代价:i*dc
//dp[0][j]:空串编辑为str2[0...j-1]的代价:j*ic
//dp[i][j]:下面4种情况的最小
//          1.dp[i-1][j]+dc
//          2.dp[i][j-1]+ic
//          3.dp[i-1][j-1]+rc   当str1[i-1]!=str2[j-1]
//          4.dp[i-1][j-1]      当str1[i-1]==str2[j-1]
//得到dp之后,右下角元素即为结果。
int minCost(string str1, string str2, int ic, int dc, int rc)
{
    int M = str1.size();
    int N = str2.size();

    vector<vector<int>> dp(M+1, N+1);

    for (int i = 0; i <= M; i++)
        dp[i][0] = i * dc;
    for (int j = 0; j <= N; j++)
        dp[0][j] = j * ic;

    for (int i = 1; i < M+1; i++)
    {
        for (int j = 1; j < N+1; j++)
        {
            dp[i][j] = dp[i-1][j]+dc < dp[i][j-1]+ic ? dp[i-1][j]+dc : dp[i][j-1]+ic;
            if (str1[i-1] == str2[j-1])
                dp[i][j] = dp[i][j] < dp[i-1][j-1] ? dp[i][j] : dp[i-1][j-1];
            else
                dp[i][j] = dp[i][j] < dp[i-1][j-1]+rc ? dp[i][j] : dp[i-1][j-1]+rc;
        }
    }
    return dp[M][N];
}

int main_09()
{
    string str1 = "abc";
    string str2 = "adc";
    cout << minCost(str1, str2, 5, 3, 29 );
    return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这是一个经典的动态规划问题,可以使用动态规划来解决。 首先,我们可以定义一个二维数组dp,其中dp[i][j]表示将A的前i个字符转换为B的前j个字符所需的最小编辑距离。 接下来,我们考虑状态转移方程。对于dp[i][j],我们可以有三种转移方式: 1. 插入操作:将B的第j个字符插入到A的第i个字符之前,此时A的前i个字符与B的前j-1个字符匹配,因此编辑距离为dp[i][j-1]+d。 2. 删除操作:将A的第i个字符删除,此时A的前i-1个字符与B的前j个字符匹配,因此编辑距离为dp[i-1][j]+d。 3. 替换操作:将A的第i个字符替换为B的第j个字符,此时A的前i-1个字符与B的前j-1个字符匹配,因此编辑距离为dp[i-1][j-1]+r(如果A的第i个字符与B的第j个字符相同,则替换操作的代价为0)。 因此,我们可以得到状态转移方程: dp[i][j] = min(dp[i][j-1]+d, dp[i-1][j]+d, dp[i-1][j-1]+r) 最终的答案即为dp[n][m],其中n是A的长度,m是B的长度。 下面是Python代码实现: ```python def min_edit_distance(A, B, d, r): n, m = len(A), len(B) # 初始化dp数组 dp = [[0] * (m+1) for _ in range(n+1)] for i in range(n+1): dp[i][0] = i * d for j in range(m+1): dp[0][j] = j * d # 动态规划求解 for i in range(1, n+1): for j in range(1, m+1): if A[i-1] == B[j-1]: dp[i][j] = dp[i-1][j-1] else: dp[i][j] = min(dp[i][j-1]+d, dp[i-1][j]+d, dp[i-1][j-1]+r) return dp[n][m] ``` 其中,A和B是两个输入字符串,d和r分别是插入/删除操作和替换操作的代价。函数返回A和B的最小编辑距离。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值